我有一个项目来检测和计算从海滩拍摄的航拍图像中的海豹幼崽（动物）。与棕色和大的成年海豹相比，海豹幼崽是黑色和小。
一些海豹幼崽被重叠/部分遮挡。海滩颜色接近黄色，但有一些黑色岩石增加了检测难度。
什么样的描述符最适合我的项目？HOG、SIFT、Haar 类特征？
我在问这个问题的理论部分。我认为要实现我的项目，第一步应该是选择最能代表对象的正确描述符，然后（结合几个弱特征，不是必需的吗？）使用机器学习方法训练分类器，如 boosting/SVM/neural_network，对吗？ ?
示例图片：
我不确定我是否同意选择正确的描述符是正确的起点。一个基本问题是所有对象的形状都相似。每只动物体内也有相当大的梯度。姿势的复杂性是另一个问题。我会将问题分解为两个更简单的步骤： 1. 独特的对象检测（边缘检测、分水岭、图形切割等）。类似于“计数血细胞”的问题。2. 基于颜色和区域的对象分类（归一化为相机透视）。计算每个对象中“黄色”彩色像素和“黑色”彩色像素的分数，并将这些值与对象大小一起用作对象分类器的输入（神经网络在这里是一个有趣的解决方案！）。
这是一个相当混乱的场景，所以我希望这两种算法都需要一些微调。如果您的要求允许某种程度的分析师交互，请提供一些滑块，以便分析师可以调整算法中的每个阈值。
计算机视觉算法的准确性似乎在很大程度上取决于能否针对特定问题对其进行微调。如果您可以对您处理算法的图片做出假设，例如所有这些图片都是类似海滩场景中海豹的航拍图像，那么您可以利用这一点。我想说，在尝试过多地使用本地特征之前，您可能想尝试分水岭分割并计算非背景段的数量。Watershed 提供了一个方便的框架，称为“标记”，用于整合有关您输入的先验知识，以区分“背景”和“前景”段。
像这样的方法可能比局部特征更容易并且可能更准确。根据我的经验，我无法使用 SIFT 和 SURF 特征从有机主题（如人脸或动物）中提取和匹配大量有意义的特征。对我来说，他们倾向于在有很多角度的房间或建筑物的照片上工作得更好。
不太确定，您可以尝试查看捕食者算法，因为您可以轻松地教它小海豹的样子。 youtube 视频、描述和链接在这里